CNCC 2018 今日开幕，五场特邀报告引爆「大数据推动数字经济」| CNCC 2018

2018 年 10 月 25 日 AI科技评论

AI 科技评论按，2018 中国计算机大会（CNCC2018）于 10 月 25-27 日在杭州国际博览中心举办，会议由中国计算机学会（CCF）主办，杭州市萧山区人民政府、浙江大学承办，浙江工业大学、浙江工商大学、杭州电子科技大学协办。今年的大会主题是「大数据推动数字经济（Big Data Drives the Digital Economy）」，CNCC 邀请到近 400 位国内外计算机领域知名专家、企业家到会演讲，会议包括 15 个特邀报告、3 个大会论坛，60 个技术论坛，20 场特色活动。

今天是大会首日，大会开幕式由 CCF 秘书长杜子德主持，他表示，大会已经有十四年历史，今年是第 15 届，也是第二次在杭州召开。今年 CNCC 注册人数超过 7600 人，有来自近 1000 家企事业单位的 7000 多名专业人士参会参展，盛况空前。随后，大会主席、CCF 会士、中国科学院院士、北京理工大学教授、副校长梅宏，杭州市萧山区委书记佟桂莉，大会共同主席、中国工程院院士陈纯，IEEE-CS President Prof. Hironori Kasahara，ACM President Dr. Cherri Pancake 分别为大会致辞。最后，CCF 理事长、北京大学教授、中国工程院院士高文宣布 CNCC2018 正式开幕。

CCF 理事长、中国工程院院士高文宣布大会开幕

作为首名大会特邀讲者，罗伯特. 卡恩教授为我们带来了题为《数字对象与互联网发展》的演讲，着重分享他致力推广的数字对象体系架构（Digital Object Architecture，简称 DOA) 理念——作为一套互联网的基础构架，DOA 被认为有效解决「信息孤岛」问题，有助于各种信息系统之间信息的共享和安全。

罗伯特教授在会上表示，如今的互联网主要处理的是信息，即「数字物体」（Digital Object），这是与过去最大的不同，DOA 是对「数字物体」概念的落地实践，其核心的 Handle 系统，主要用于数字对象标识的注册、解析与管理，有效打破国界制约，实现互联网向「多中心开放结构」的转变。为了让参会者更好地理解 DOA，罗伯特教授在会上分享了系统的核心原理、系统的组成结构、以及当下的应用情况，使人获益匪浅。

最后，罗伯特教授也向参会者介绍了在 2014 年一手成立的 DONA FOUNDATION，其主要职责之一就是 Global Handle Registry（GHR）的注册和管理（GHR 是 Handle System 根服务节点的总称），而 Handle System 正是 DOA 技术的重要组成部分。

图灵奖获得者、美国计算机科学家 Robert E.Kahn

第二位特邀讲者是 CCF 名誉理事长、CCF 会士、中国工程院院士李国杰。他的报告题目是《发展数字经济值得深思的几个问题》。

李国杰院士针对大数据技术和数字经济发展过程提出了几个问题，来探讨如何理解大数据与人工智能在经济转型中的驱动作用。

他认为大数据的作用不仅仅体现在经济增长上，而更多地体现在生产方式、生活方式、科研模式和政府管理模式的改变和福利改进，尤其是人们思想观念和认知方式的改进上。我们应该关注大数据和人工智能究竟为经济发展贡献了多少增量，提供了多少原来没有的新产品和新服务，以及提高了多少经济效率和用户体验。

他指出应从信息技术整体的作用和全要素生产率的角度，来理解大数据与人工智能在经济转型中的驱动作用。第一，大数据与人工智能的驱动作用实际上是信息技术整体的作用，在酝酿了几十年后的今天，正是信息技术初见成效的时候，不过人工智能技术目前还是使能（enable）技术，不是像电力一样的通用技术，而从使能技术到通用技术则还需要一个大规模普及的发展过程。第二，大数据和人工智能的主要作用实质上是提升规模效率、配置效率和技术效率，我们应从全要素生产率（TFP）的角度来理解大数据和人工智能，因而提高能效应成为今后数字经济发展的主要目标。

在肯定大数据人工智能的战略作用的同时，他也警示大家要理性地看待人工智能，不应对其抱有不切实际的幻想，更强调领域的科研人员和从业者「要务实务实再务实」。

此外，他还提到大数据和人工智能可能引发信息时代新的经济长波，而在这种发展趋势下，我国的数字化转型有主要有三大目标：第一，改变产业分布，大力发展生产性服务业；第二，传统企业转向数字化企业；第三，要大力发展科技型中小企业。

最后，李国杰院士还反思了中国当前大数据和人工智能发展的最大短板，那就是头重脚轻、基础薄弱。这一现状既体现在全球市场中我国芯片和软件企业的弱小，更体现在我国人工智能基础层人才比例的严重偏低（我国人工智能基础层、技术层、应用层人才数量占比分别为 3.3%、4.9%、61.8%；而美国则分别为 2.7%、37.4%、39.4%）。这些问题带来的结果就是我国目前只有 1% 的云服务器为 AI 加速服务，如果要实现「AI 无处不在」的愿景，吞吐量需要提高 100 倍以上。

CCF 名誉理事长、中国工程院院士李国杰

第三位出场的特邀讲者是北京大学经济学院教授、博士生导师，北京大学博雅特聘教授孙祁祥。她的报告题目为《关于信息社会的经济学思考》。

她开场即提到，数字经济深刻了改变人类的思维、生产、交换、分配等方式。人类社会发展至今，经历了农业社会、工业社会、信息社会，20 世纪后半段，伴随计算机等电子信息技术的发展，逐渐进入信息社会。在信息社会时代，谁更好地掌握了大数据等现代信息技术，谁就能在竞争中占据主导地位。

她进一步表示，进入信息社会以后，建立在传统工业文明基础之上的现代经济学中的许多经典问题，包括供给与需求、经济增长、收入分配等的内涵和外延都发生了重要变化，导致我们生活的社会发生一系列变化。随后，她从以下五个方面讨论了这些变化和由此引发的相关问题：

第一，从经济学上资源特性和供求分析的角度看信息社会。她提到供求分析在经济学中的重要地位，信息社会时代从一定程度上改善了生产要素供给的有限性，改变了供需的空间格局，在更高层次上构建了新的供求关系。与此同时，知识经济更迭的速度越来越快、周期越来越短。信息社会中收入分配的变化和格局的调整更加灵活和快捷。

第二，信息社会的经济增长。她提到，互联网和信息技术的应用，能迅速分析、整合供需双方的海量信息，满足大家的海量需求。这时候，知识赋能的信息技术成为规模经济的重要前提，能大大优化各种生产要素的配置和管理。

第三，信息社会的垄断问题。在信息社会时代，数据垄断成为垄断的新内容，传统社会的反垄断措施在当今数字经济时代无法使用。她具体谈到以下三方面，一是互联网公司对用户具有明显的锁定效应，二是数字经济具有明显的网络效应，三是数据收集平台拥有多边市场。

第四，信息社会的安全问题。广泛的信息接入增加了网络安全的脆弱性和复杂性，个人隐私和信息安全受到严重威胁，黑客攻击和大规模个人信息泄露事件频发。但她提到，问题与解决问题的方法一直都是同在的，这时候，需要计算机专家的支持，以及经济和法律上的配合。

第五，信息社会的技术使用问题。现代科学技术的发展让人类社会进入空前繁荣阶段，但技术的进步回避不了「双刃剑」问题，如果运用不当，会带来负面影响。工业社会如此，信息社会更是如此。

演讲最后，她如是总结：《道德经》谈到，「一生二，二生三，三生万物。」不管是小数据社会还是大数据时代，都是大道至简，有规律可循。数据是死的，大数据背后的经济社会现象是鲜活灵动的。希望我们对数字经济的研究能站得高、看得远、拎得清。

北京大学经济学院教授孙祁祥

短暂的茶歇后，第四位出场的是特邀讲者美国工程院院士、加州大学伯克利分校教授 Katherine Yelick，她带来题为《大数据爆炸时代的科研挑战》的演讲。

随着大数据技术的逐步成熟，如今接触、分析与整合数据变得空前容易，对于科学家群体而言，大数据有助于构建模型、诠释实验结果，加上机器学习的普及，使得科学的诸多领域在理论与实践层面上产生了变化。在会上，Katherine Yelick 教授列举了几个比较典型在科学领域的应用例子，如凭借结构化与高精确度的数据被用于预测极端天气的深度学习系统，通过与图像切割技术的结合，可以有效预测台风的生成位置。

无可否认，大数据技术的进步确实给科学领域带来肉眼可见的益处，然而 Katherine Yelick 教授也强调，大数据技术的「痛点」同样不容忽视。以科研最重视的客观为例，科研工作一旦牵扯到利益，比如科研人员受雇于某企业，那么在这些科研人员眼中，如何帮助企业取得成功将比科研成果的客观性更重要。

其他的痛点比如，对数据之间的因果关系的误判、外界干扰所导致的噪音数据、计算机算法与性能的限制、数据迁移的成本问题等等，都在掣肘着科研界更进一步的发展，如何从计算机性能、计算机底层架构以及编程检索系统等方面入手解决问题，是值得所有计算机从业者深思的问题。

美国工程院院士、加州大学伯克利分校教授 Katherine Yelick

第五位特邀讲者是东软集团股份有限公司、董事长兼首席执行官刘积仁，他的演讲主题是《当数据遇到商业模式》。

演讲伊始，他笑称，我原来是教授，后来「堕落」去了商业领域。而本次报告，他也从商业应用的视角来分享其对技术与商业模式融合的思考与实践。

他指出，我们在大数据技术方面已经解决了许多问题，但许多问题对大数据技术还仅仅是开始。目前数据的获取还很初级，而解决问题需要高质量的多元数据与领域知识的融合，包括数据之间的融合，以及数据与规则、伦理和商业模式的融合。其中，他强调大数据的技术与伦理的融合问题，是技术人员特别需要关注的一个问题。而随着算法的平台化、免费化，试图拿独立的技术创造商业价值已不可能，数据只有与商业模式融合，只有在解决方案中才能创造真正的价值。

针对大数据的未来发展趋势，他提出了五点：第一，个人与行业数据的融合；第二，技术与工具的平台化和普及；第三，纯技术的商业空间更小；第四，大数据的行业应用更有价值；第五，数据+算法+领域知识+商业模式不可分割。

最后他总结道，信息技术日渐失去了独立性，进入了平台化、普及、快速传播的阶段，技术的使用者往往比技术拥有者更知道技术的发展方向，这就要求技术研究人员学会新学术思维，真正从行业应用中洞察大数据的未来趋势。